10余架手掌大小、单机重量小于一听可乐的微型空中机器人，在浙江安吉的一片竹林中腾空而起，在没有GPS、动作捕捉系统、远程通信运算或是预先建立环境舆图的情形下，各自独立又协作地穿过低矮的灌木、倾斜的竹竿、起伏的地面、稠密的树枝，如同一支协同却又自主的鸟群。

这是浙江大学掌握科学与工程学院高飞、许超团队对全自主微型空中机器人的最新研究成果之一。
团队研发的微型且完备自主的空中机器人，能够在高度混乱的野外环境中，根据机载传感器供应的有限信息实现集群翱翔。
机器人上的轨迹方案算法能够自主方案翱翔路线，同时知足翱翔效率、避障、机器人间相互避碰、动力学可行性、集群折衷等多种哀求。

当地韶光5月4日，以上成果以《野外微型翱翔机器人集群》（Swarm of micro flying robots in the wild）为题，并作为封面文章揭橥在机器人领域的国际顶刊《科学·机器人》（SCIENCE ROBOTICS）上。
论文第一作者为浙大掌握学院在读博士生周鑫，通讯作者为高飞博士和许超教授。

在接管澎湃***（www.thepaper.cn）采访时，浙大掌握学院博导高飞表示，这一成果将为未来微型空中机器人集群以及干系算法运用在户外救灾、野外生物研究、协作运输等领域奠定根本。

作为未来技能的象征，空中多机器人系统的灵巧性已经在诸多科幻电影中有所呈现。
在《普罗米修斯》中，宇航员在决定走哪条路之前，开释了几个微型翱翔装置来探索一艘未知的外星飞船。
在《安德的游戏》中，空中机器人集群系统包围了宇宙飞船，形成了一个抵御外星人攻击的盾牌，为人类扫清了一条赢得战斗的道路。
在《星球大战前传3》和《银翼杀手2049》中，摩天算夜楼之间的空中交通在高科技星球上繁忙而有序的运行。

随着处理器打算能力、感知和通信方面的发展，诸如四旋翼翱翔器之类的空中机器人已经进入大众生活，这些翱翔器不但具有高机动性，而且价格低廉。
据《日本经济***》宣布，DJI的Mavic Air 2是目前最脱销的空中机器人之一，它拥有避障、跟踪等功能，并且具有10公里的通信间隔，其硬件本钱仅约135美元。
此外，空中机器人市场仍有大量的可能性，到2028年，空中机器人整体市场代价估量将达到5000亿美元。

不过，只管空中机器人自主导航在工业和学术实践中都得到了快速的发展，但高度混乱的环境，如茂密的森林，仍旧是空中机器人难以进入且自由穿梭的，更不用说成群的空中机器人。
在这些场景中，未知的繁芜环境和狭窄的可行空间会对空中机器人集群折衷带来极大的寻衅。

“在空中机器人的研究中，从单一机器人转向协同的集群系统，也是机器人智能发展的一定趋势。
”高飞向澎湃***先容说。
空中机器人是高飞在喷鼻香港科技大学攻读博士学位时的紧张研究领域，当时其研究方向紧张为空中机器人单机导航。
2019年底，高飞到浙江大学任职并开始带领团队开展空中机器人自主导航及集群技能研究，团队为这次野外空中机器人集群论文准备了约两年韶光。

据理解，在混乱的野外环境下空中机器人集群导航之以是困难，是由于野外环境对空中机器人集群提出了四方面的哀求，简称TEEM——轨迹最优性（trajectory optimality）, 可扩展性（extensibility,）、低本钱打算需求（economical computing）和小型化（miniature size）。

轨迹最优性反响了任务质量和翱翔韶光，这种效率在紧急的接济情形下至关主要。
轨迹最优性哀求面对各种繁芜环境，都能够许可空中机器人快速、安全、稳定的翱翔和穿越，这种性能在紧急接济情形和混乱狭窄环境中至关主要。

可扩展性指的是空中机器人对不同任务的需求在软件硬件上的拓展能力，如针对多机协同目标跟踪任务，既须要在软件上增加识别功能又须要在硬件上拓展多方位镜头。

低打算本钱需求非常主要，这许可了空中机器人携带更小的机载处理器，并且减少对变革环境和突发情形的反应韶光，从而为其他用户定义的任务(如目标检测和决策)预留尽可能多的可用打算资源。

末了，所有这些能力该当放在最小的翱翔器中，由于重量和体积直接关系到机器人的续航能力和对狭窄空间的穿越能力。

然而，这四个方面的哀求却是相互抵牾的，想要同时实现须要精确的权衡。
例如，更高的轨迹最优性哀求繁芜的建模和求解空间中的更多迭代求解次数，这会极大的增加打算韶光和打算本钱。
更高的可扩展性哀求以更一样平常化的形式定义问题和任务，但要捐躯潜在的对特界说务的优化。

“对付空中机器人集群来说，知足安全性、动力学可行性、最小化韶光以及最大化轨迹平滑度已经是一项巨大的寻衅，同时在微型平台上实现更是难上加难。
这便是为什么以前的研究无法从构造化的、人为的环境走向不愿定性的野外环境。
”论文中说。

在现实天下中，Intel、High Great和CollMot已经展示了令人印象深刻的空中机器人编队演出。
然而，在大规模和成功的商业用场背后，利用环球导航卫星系统定位的空中机器人编队仅仅遵照预先设定的轨迹，无法在有障碍的野外地点操作。

为理解决这一问题，机器人研究者们试图从大自然中找到灵感，即不雅观察大自然如何应对这种导航寻衅。
在自然界，昆虫实行短期反应，而鸟类喜好相对长期的平稳动作。
这是由于鸟类比昆虫有着更敏锐的视觉和运动觉得、自由度更高的运动系统、以及更大的大脑容量。

昆虫与鸟类这两大翱翔物种也启示了两种主流空中机器人导航方法：基于昆虫反应的和基于鸟类轨迹的方案方法。
在这两种方法中，前一种在打算和内存方面包含了极其轻量级和高效的办理方案，许可更轻量化的空中机器人集群；而后者显示了更高的优化性和灵巧性。
为了提高任务效率和可扩展性，高飞的团队选择了后者。

在研究各种空中机器人集群运用后，团队创造办理“TEEM”难题的关键是机器人轨迹时空方案，即不仅仅是能够改变轨迹形状，还须要调度韶光分布，以最大限度地利用空间。
如果仅进行空间变形，空中机器人在通过狭窄通道时，每每会绕行等待其它机器人，这将阻碍后续空中机器人的翱翔，导致翱翔轨迹较差乃至不屈安。
因此，同时方案翱翔轨迹的形状和韶光，也称为时空轨迹方案，是空中机器人安全高效翱翔的关键。
只管如此，这种联合优化对付多旋翼翱翔器来说是一个巨大寻衅，由于共同确定轨迹的空间和韶光参数是高度耦合的。

“实现联合时空轨迹方案，担保机器人集群中每一个机器人都能实现轨迹的时空最优。
这无疑是研究中最为困难的。
”高飞说。

团队在其提出的方法中，通过解耦目标函数打算中的时空参数，实现了优化变量与表示轨迹的中间变量之间的线性繁芜度映射，从而实现了时空优化。
因此，纵然在最受限的环境中，空中机器人也可以在短短几毫秒内得到高质量的轨迹。

特殊地，在团队的空中机器人集群中，每架空中机器人都具有完全的感知、定位、方案和掌握功能，并通过广播网络共享轨迹从而实现群体协同。
这类似于鸟类能够在森林中自由翱翔，同时避开障碍物和其他移动的生物。
例如，在近程导航中，鸟类紧张依赖眼睛和前庭系统，相应地，团队开拓了改进的视觉惯性里程计（visual-inertial odometry）。
此外，鸟类可以同时调度路径和速率以避免碰撞，同时考虑翱翔韶光和平滑度以节省能量，因此团队提出了多目标时空轨迹联合优化方法。
除了具备小型鸟类的能力，团队还进一步利用了机器人这一人工电子系统的上风，将高保真无线通信用于运动轨迹共享，将高速打算用于快速方案。
此外，团队的办理方案知足了个体智能和群体智能的分布式折衷，提高了系统的鲁棒性。

目前，团队在论文中已经发布了空中机器人集群研究的前沿算法软件，“开拓职员可以支配和利用这些软件，从仿真环境中验证他们的算法，在未来，这些算法能够运用在物流小车、机器人配送、野外搜救等领域和环境。
”高飞说。

值得一提的是，在论文中，团队通过在真实天下的实验，重点展示了四个具有寻衅性的运用。
而就在论文揭橥确当天，高飞团队在海内有名***网站哔哩哔哩上发布了这四个实验场景的***，截止本文撰写时，已得到5.6万的播放量。

飞越茂密的森林

Challenging wild navigation with bamboos and various other obstacles.

本实验旨在展示在高度密集的野生环境，即竹林中，空中机器人集群实现完备自主的群体导航，而不会侵害到机器人本体或植物。
图像中呈现的轨迹显示了轨迹方案的显著上风:所方案的轨迹总是直接而平稳地连接一个一个间隙。

在这些环境中，除了垂直成长的竹子外，还有倾斜的竹子、树干、低矮的灌木丛、杂草丛生的沟渠、不平的地面、被风吹起的树叶等障碍物，须要系统对轨迹进行三维方案。
这种由形状不规则、分布密集的障碍物组成的非构造化环境，验证了空中机器人集群在大多数混乱的地方(比如灾害场景)导航的能力。

野外的编队导航

Swarm navigation in formation with prior-unknown obstacles.

该实验证明了所提出的统一轨迹方案的可扩展性。
在这里，编队被定义为保持一个期望的移动形状，这意味着空中机器人以固定的相对位置移动。
与此同时，每架空中机器人还能独立导航，避开障碍物。
本实验相对付“竹林穿梭”实验，障碍物密度有所降落，以使编队清晰可辨，但仍有灌木丛、高低错落的树木和两根人造铁柱。

按照方案的轨迹，空中机器人集群以固定队形在树林中翱翔。
从变形曲线和速率曲线可以看出，只管空中机器人有时必须偏离路线以避开事先未知的障碍物，但此后会再加快速率以遇上编队，从而群集仍保持编队。
当空中机器人避开树木时，均匀速率会自动低落，当它们完备回到开放空间时，均匀速率会增加。
在这种情形下，一些个体的速率变革，在没有显式预编程的情形下也能传播到全体编队。
这一结果显示了安全与翱翔韶光之间的隐性平衡，在障碍物附近减速保留了对潜在碰撞的更多反应韶光，而尽可能加速则减少了空旷区域翱翔韶光。

密集相互避障评估

Evaluation of intensive reciprocal collision avoidance with unexpected events

这一实验的设置仿照了摩天算夜楼之间密集空中交通的最基本哀求：安全、高效和独立导航。
为了验证10架空中机器人的这一能力，试验者在一个半径为3米的圆上，将目标位置随机分配给空中机器人。
为了更好地仿照真实的翱翔情形, 翱翔区域中除了有茂密的树干和摄像机的三脚架，还用长方体和圆柱形障碍物仿照新建建筑，空中机器人集群也须要穿过该地区大型移动障碍物。
接下来，实验者关闭所有地面定位标签(仅在本实验中利用)，以仿照环球定位的暂时性丢失。

由于安全性和效率是运输系统的两个紧张关注点，研究者评估了最小碰撞间隔和3分钟翱翔中完成交付的总数量(达到目标总数)，在全体翱翔过程中，研究者将每架空中机器人建模为一个半径为7cm的球体。
单架空中机器人设法与障碍物和其他机器人保持安全间隔。
实验显示，到达目标的数量随韶光的增加而线性增加。
实验结果表示，在不同障碍物密度下，由于方案的轨迹是局部最优的，因此可以得到靠近恒定的增长速率。

目标遮挡情形下的空中机器人集群

Multidrone tracking with target occlusion.

这个实验展示了在微型平台上添加高打算负荷硬件、以及运行额外任务需求的潜力。
集群跟踪可以用于多视图航拍和***，可以对参与者进行全面的记录，为后期编辑供应更多的素材。
在实验中，焦点是一个在树林中移动的人类参与者。
为了在避开障碍物和其他空中机器人的同时追踪目标，实验设计了跟踪的约束惩罚来方案所需的轨迹。
从结果可以看出，被追踪职员可以在不须要担心空中机器人碰撞或跟丢的情形下向前移动。

任务编辑：李跃群